張千千,沈 淳,高 航,李健兵

(國防科技大學(xué) 電子科學(xué)學(xué)院 復(fù)雜電磁環(huán)境效應(yīng)國家重點(diǎn)實(shí)驗(yàn)室,湖南 長沙 410073)

1 引 言

低空風(fēng)切變指的是在距地面600 m范圍內(nèi),風(fēng)矢量(風(fēng)速、風(fēng)向)在水平或垂直距離上發(fā)生明顯改變的現(xiàn)象[1],具有時(shí)間短、類型多變、破壞力強(qiáng)等特點(diǎn),且常伴隨著有極端天氣產(chǎn)生,對飛行器的起飛和降落危害極大[2]。根據(jù)國際民航組織(International Civil Organization,ICAO)的規(guī)定:風(fēng)切變強(qiáng)度分為輕度、中度、重度、嚴(yán)重4個等級[2],可用風(fēng)切變因子來表示,風(fēng)切變因子是指空間兩點(diǎn)距離(水平距離或垂直距離)為30 m時(shí)風(fēng)矢量差的大小[2]。低空風(fēng)切變包括風(fēng)的水平切變、風(fēng)的垂直切變和垂直氣流的切變[2-3],主要由雷暴天氣、鋒面運(yùn)動、逆溫現(xiàn)象和地形、地標(biāo)建筑物影響等[4]造成。按照風(fēng)場對飛機(jī)飛行姿態(tài)的影響,在航空氣象學(xué)中把低空風(fēng)切變分為順風(fēng)切變、逆風(fēng)切變、側(cè)風(fēng)切變和垂直氣流切變[5]。由于大部分飛行事故都發(fā)生在飛機(jī)起飛和進(jìn)近階段[4],因此,機(jī)場的風(fēng)切變預(yù)警測技術(shù)尤為重要[4]。

現(xiàn)有風(fēng)場探測設(shè)備主要包括地表風(fēng)速計(jì)、風(fēng)廓線雷達(dá)(WPR)和多普勒天氣雷達(dá)(TDWR)等,在一定條件下為飛機(jī)起降提供了護(hù)航服務(wù),但這些設(shè)備存在一定的缺陷。地表風(fēng)速計(jì)探測高度有限,僅能探測水平風(fēng)切變,且探測結(jié)果和儀器數(shù)量有關(guān);風(fēng)廓線雷達(dá)只能探測頂空風(fēng)場情況,不能進(jìn)行下滑道掃描,難以預(yù)警飛機(jī)進(jìn)近走廊的低空風(fēng)切變;多普勒天氣雷達(dá)探測范圍大,但其距離分辨率不夠精細(xì),不能滿足小尺度低空風(fēng)切變的探測需求[6-7]。相干激光測風(fēng)雷達(dá)作為一種新型的探測裝置,體積小、重量輕、抗干擾能力強(qiáng)、分辨率高,能夠彌補(bǔ)其他探測手段的不足,尤其是在晴空條件下成為最有效地風(fēng)場探測手段,對保障飛機(jī)起降安全、預(yù)警低空風(fēng)切變有重要指導(dǎo)作用[8]。因此,利用激光測風(fēng)雷達(dá),準(zhǔn)確地對低空風(fēng)場預(yù)測逐漸成為保證飛行的重要工具。

自二十世紀(jì)70年代,著名氣象學(xué)家FUJITA開啟風(fēng)切變的研究[9]。1983年,WOODFIELD和WOODS提出S因子算法[10],但這種僅通過求最大最小值之間風(fēng)速差的算法極易產(chǎn)生較大誤差。2011年,香港天文臺陳柏瑋等人提出香港機(jī)場沿用至今的單斜坡低空風(fēng)切變自動預(yù)警算法[11],但是該算法受到斜坡長度的限制僅能探測600 m尺度的風(fēng)切變。2012年,CHEN提出F因子算法[12],但直接計(jì)算由激光雷達(dá)得到的逆風(fēng)梯度數(shù)據(jù)會導(dǎo)致結(jié)果快速波動且無法計(jì)算垂直分量的風(fēng)切變。2014年,他們又提出利用渦流耗散率[13]預(yù)警低空風(fēng)切變,但因?yàn)闇u流耗散率的閾值在國際中沒有明確的規(guī)定,該算法還需要在實(shí)際應(yīng)用中繼續(xù)探索。2016年,JIANG等人提出單雙斜坡結(jié)合的算法[14]來預(yù)警風(fēng)切變,不足的是該算法的目的是預(yù)警大尺度風(fēng)切變。2019年,MA等人提出基于主成分分析(principal component analysis,PCA)和相位差校正的風(fēng)切變預(yù)警算法[15],但是該算法的多普勒頻移和風(fēng)切變閾值還需要進(jìn)一步通過經(jīng)驗(yàn)確定。鑒于現(xiàn)有算法存在不足,本文中提出了一種基于斜坡改進(jìn)的激光雷達(dá)風(fēng)切變預(yù)警算法,將重組逆風(fēng)廓線劃分成不同的斜坡區(qū)間,再通過確定每個斜坡上的能量變化判斷是否有風(fēng)切變發(fā)生,最終確定風(fēng)切變發(fā)生的位置和時(shí)刻,實(shí)現(xiàn)風(fēng)切變的穩(wěn)健預(yù)警。

2 原 理

2.1 激光雷達(dá)探測場景

激光雷達(dá)探測風(fēng)切變主要采用下滑道掃描模式,該方式由香港天文臺陳柏瑋等人提出[10,16-18],利用同時(shí)改變激光雷達(dá)仰角和方位角的方式掃描飛機(jī)的進(jìn)近走廊,直接探測低空風(fēng)切變。傳統(tǒng)的PPI掃描完成一個周期的時(shí)間約為6 min,而下滑道掃描一個周期得到徑向數(shù)據(jù)僅需要2 min,可為飛機(jī)起降提供實(shí)時(shí)預(yù)警服務(wù),保障飛行安全。在下滑道掃描過程中,激光光束與飛機(jī)起降跑道的夾角不小于30°。飛機(jī)起飛和降落時(shí)跑道與下滑道的夾角不同,起飛離場時(shí)夾角為6°,降落進(jìn)場時(shí)夾角為3°。參考文獻(xiàn)[19]提供了香港國際機(jī)場的地理位置。圖1是激光雷達(dá)下滑道掃描示意圖[10],其中圖1(a)為降落場景,圖1(b)為香港機(jī)場下滑道與激光雷達(dá)雷達(dá)對應(yīng)位置關(guān)系的三維圖。

圖1 激光雷達(dá)下滑道掃描示意圖

假設(shè)飛機(jī)的下滑道是被一條一定尺度的管道包裹,下滑道處在管道的中央,那么重組逆風(fēng)廓線的徑向數(shù)據(jù)就是落在管道中的數(shù)據(jù)[20]。為了有效提取管道內(nèi)數(shù)據(jù),以雷達(dá)為原點(diǎn)建立坐標(biāo)系,利用笛卡爾坐標(biāo)系將徑向風(fēng)速進(jìn)行轉(zhuǎn)換。以飛機(jī)降落為例,此時(shí)跑道與下滑道夾角為3°,將管道在笛卡爾坐標(biāo)系三個平面投影,并根據(jù)激光波束與跑道夾角小于30°的約束條件,可得到x軸,y軸,z軸的坐標(biāo)范圍:

(1)

式中,d是激光雷達(dá)與跑道的垂直距離;L是激光雷達(dá)到跑道的垂足與著陸點(diǎn)之間的距離;α是激光光束與跑道方向的夾角;h為下滑道上徑向數(shù)據(jù)點(diǎn)到y(tǒng)軸的垂足距離h=tan3°(y-l)。

2.2 算法原理

F因子算法是航空安全中使用較多的風(fēng)切變預(yù)警方法,但其計(jì)算結(jié)果在某些情況下波動過于劇烈,長期存在虛警率過高問題;單斜坡算法可以實(shí)現(xiàn)風(fēng)切變的快速檢測,但受到斜坡長度的限制對持續(xù)時(shí)間較長的風(fēng)切變檢測結(jié)果不理想?；诂F(xiàn)有算法存在的問題,本文提出一種將F因子與斜坡算法結(jié)合的改進(jìn)斜坡算法。

該區(qū)域主要分布在流域的西部、西南部和東北部，海拔相對較高，雖然降水量較大，但降雨時(shí)空分布極為不均，且由于地勢的原因，土壤蓄水能力差、地表水資源利用率低、農(nóng)田水利設(shè)施落后，是流域內(nèi)最容易受旱的地區(qū)，也是農(nóng)業(yè)干旱脆弱性最嚴(yán)重的地區(qū)。經(jīng)過對所搜集資料的綜合分析，該區(qū)域可分為東北沂蒙山丘區(qū)、豫西山丘區(qū)和淮南山丘區(qū)等3個二級區(qū)。

圖2為整個算法的流程圖,具體步驟如下:

圖2 斜坡改進(jìn)算法的流程圖

①確定重組逆風(fēng)廓線并進(jìn)行信號處理。首先篩選數(shù)據(jù)構(gòu)造逆風(fēng)廓線;再根據(jù)角度得到下滑道上的數(shù)據(jù)并進(jìn)行質(zhì)量控制得到重組逆風(fēng)廓線,隨后延長重組逆風(fēng)廓線的尾部并進(jìn)行一次滑動平均,最終得到?jīng)]有數(shù)據(jù)缺失、尾部延長且保留特征的重組逆風(fēng)廓線。

②根據(jù)風(fēng)速差求每個斜坡上的能量變化。首先根據(jù)經(jīng)典斜坡算法將重組逆風(fēng)廓線劃分成長度不同的斜坡,再利用每個斜坡上最大最小值的風(fēng)速差確定斜坡的能量變化,并與閾值比較。

③發(fā)出預(yù)警或預(yù)警解除。主要是判斷每個斜坡的能量是否超過閾值,超過閾值,發(fā)出風(fēng)切變預(yù)警,此時(shí)該斜坡對應(yīng)的位置即為風(fēng)切變發(fā)生的位置;未超過閾值,則警報(bào)解除。如果計(jì)算結(jié)果遠(yuǎn)超閾值,還應(yīng)將該斜坡提取出來,并進(jìn)一步確定風(fēng)切變的位置。

本文提出算法的第一個創(chuàng)新點(diǎn)是區(qū)別于傳統(tǒng)方法通過計(jì)算相鄰兩點(diǎn)之間的能量變化進(jìn)行預(yù)警,在得到每個斜坡上的速度變化之后,求得斜坡上的速度差,再計(jì)算每個斜坡上能量的變化情況。當(dāng)計(jì)算結(jié)果超過閾值±0.05之后,發(fā)出風(fēng)切變警告。此時(shí),計(jì)算結(jié)果不再劇烈波動,虛警率也顯著下降。其中,每個斜坡的能量變化率表示為:

(2)

式中,ΔVm表示斜坡上最大風(fēng)速和最小風(fēng)速之差;D為斜坡長度;g表示重力加速度,而Vapp表示飛機(jī)的進(jìn)近速度。

經(jīng)典F因子算法是求取重組逆風(fēng)廓線上相鄰兩點(diǎn)之間的能量變化,并與閾值判斷,從而給出風(fēng)切變預(yù)警信息,如圖3中Fc所示。而本文提到的斜坡改進(jìn)算法中,將F因子與斜坡算法結(jié)合后,求取每個斜坡上能量的變化,然后與閾值判斷再給出風(fēng)切變預(yù)警信息,如圖3中FI所示。

圖3 斜坡改進(jìn)算法與經(jīng)典F因子算法區(qū)別

斜坡算法的本質(zhì)是將重組逆風(fēng)廓線劃分成不同的速度變化區(qū)間,改進(jìn)斜坡算法在得到重組逆風(fēng)廓線上不同斜坡之后,再比較每個斜坡上的能量變化,避免了相鄰兩風(fēng)速快速變化造成的F因子算法快速波動,降低了F因子算法的虛警率,也將風(fēng)切變發(fā)生的位置直接定位到某個斜坡。當(dāng)某個斜坡上速度發(fā)生突變,必然會導(dǎo)致該斜坡的能量發(fā)生突變,若超出閾值很多,此時(shí)將該斜坡提取出來,可以準(zhǔn)確判斷風(fēng)切變發(fā)生的具體位置。

本文提出算法的第二個創(chuàng)新點(diǎn)是用最大最小值之差代替單斜坡算法中斜坡首尾的風(fēng)速差。在單斜坡算法中,有兩種情況需要對斜坡進(jìn)行延長:一是斜坡持續(xù)增速,但跨過斜坡后降速;二是斜坡持續(xù)降速,但跨過斜坡后增速[11],這兩種情況下,最長可延長斜坡至原始斜坡長度的1/2。第二種情況如圖4中的局部重組逆風(fēng)廓線所示。這兩種情況在實(shí)際中很普遍,此時(shí)若還用單斜坡算法中斜坡首尾兩端的風(fēng)速差作為斜坡速度的變化,顯然小于最大最小值的風(fēng)速差,進(jìn)而可能小于單斜坡算法中7.7 m/s的閾值,產(chǎn)生漏報(bào)。當(dāng)斜坡需要收縮[11]的時(shí)候,最大最小值風(fēng)速差與斜坡首尾風(fēng)速差一致。利用最大最小值之差作為斜坡上速度的變化,當(dāng)最大值出現(xiàn)在最小值之后,用最大值減最小值得到正的速度變化,表明該斜坡上風(fēng)速增加,且風(fēng)向是靠近激光雷達(dá);當(dāng)最大值出現(xiàn)在最小值之前,用最小值減最大值得到負(fù)的速度變化,表明該斜坡上風(fēng)速減小,且風(fēng)向是遠(yuǎn)離激光雷達(dá)。圖4展現(xiàn)了原始斜坡長度取400 m,延長至600 m時(shí),這一個斜坡上最大最小值風(fēng)速差與單斜坡算法中首尾風(fēng)速差的區(qū)別。

圖4 斜坡改進(jìn)算法與單斜坡算法區(qū)別

尾部延長的意義是防止最后一部分?jǐn)?shù)據(jù)不滿足最小原始斜坡長度,不能進(jìn)行斜坡長度的確定造成信息缺失。尾部延長有兩種形式,尾部對稱性擴(kuò)展法和尾部直接延長法[21]。尾部對稱性擴(kuò)展法是選取重組逆風(fēng)廓線最后一部分?jǐn)?shù)據(jù)做對稱延長,一般選取的長度為5～10個數(shù)據(jù)點(diǎn),當(dāng)最后一段數(shù)據(jù)呈線性變化時(shí),會人為造成最后一個點(diǎn)的突變;尾部直接延長法是將重組逆風(fēng)廓線尾部最后一個元素直接擴(kuò)展,擴(kuò)展的長度至少為一個原始斜坡長度對應(yīng)的數(shù)據(jù)點(diǎn)個數(shù),該方法保證在對重組逆風(fēng)廓線最后一段數(shù)據(jù)檢測時(shí),不會造成尾部缺失,故本文采用尾部直接延長法。

3 方法驗(yàn)證、對比與分析

2020年開始,香港國際機(jī)場應(yīng)用激光雷達(dá)對飛機(jī)起降下滑道進(jìn)行了全天候掃描,場景如圖1所示。結(jié)合飛行員報(bào)告風(fēng)切變發(fā)生的高度及風(fēng)切變形成的原因,本文選取三組比較有代表性的數(shù)據(jù)對斜坡改進(jìn)算法進(jìn)行驗(yàn)證。由于香港國際機(jī)場產(chǎn)生風(fēng)切變的主要原因多為海風(fēng)鋒,所以F因子閾值取±0.05[22-23],而非國際民航組織規(guī)定的±0.105,本文中對比的F因子、斜坡改進(jìn)算法閾值亦取±0.05。

3.1 案例一:海風(fēng)鋒情況

2020年2月24日,北京時(shí)間6:15、6:28、6:31在07R跑道有三趟飛機(jī)在進(jìn)場降落報(bào)告有風(fēng)切變發(fā)生,報(bào)警高度分別為300 m、200 m和100 m,塔臺分析是由海風(fēng)鋒形成的風(fēng)切變。論文提取了2020年2月24日6時(shí)32′49″的激光雷達(dá)掃描圖,利用質(zhì)量控制和信號處理方法得到重組逆風(fēng)廓線,如圖5所示,其中5(a)是激光雷達(dá)掃描多普勒速度分布圖,正值代表風(fēng)場方向靠近激光雷達(dá),負(fù)值代表風(fēng)場方向遠(yuǎn)離激光雷達(dá),07R/25L、07L/25R表示不同方向的兩條跑道(虛線部分),跑道上黑色實(shí)線表示3°仰角的下滑道,飛機(jī)在07R/25L跑道降落。

圖5 2020年2月24日6:32:49時(shí)風(fēng)場信息

圖5(b)是提取的重組逆風(fēng)廓線及對應(yīng)的下滑道高度信息,橫坐標(biāo)為下滑道上距離降落點(diǎn)的距離,單位為km;左邊縱坐標(biāo)表示重組逆風(fēng)廓線對應(yīng)的風(fēng)速(實(shí)線部分),數(shù)值為正表示風(fēng)向靠近激光雷達(dá),數(shù)值為負(fù)表示風(fēng)向遠(yuǎn)離激光雷達(dá),單位為m/s;右邊縱坐標(biāo)表示下滑道距地面的高度(虛線部分),單位為m,下滑道的仰角為3°。

使用改進(jìn)算法對提取的重組逆風(fēng)廓線進(jìn)行判斷,斜坡原始長度依次取400 m、800 m、1600 m、3200 m,檢測結(jié)果如圖6所示。由圖6可知,取四種不同的原始斜坡長度,均能檢測到風(fēng)切變,只有實(shí)線所示的400 m原始斜坡檢測出4處風(fēng)切變,對應(yīng)的橫坐標(biāo)依次為x1=3.7 km、x2=4.3 km、x3=4.9 km、x4=5.4 km,對應(yīng)的下降高度分別為h1=193.91 m、h2=225.35 m、h3=256.80 m和h4=283.00 m,與飛行員報(bào)告的高度范圍一致。虛線所示的800 m原始斜坡檢測出2處風(fēng)切變,對應(yīng)的橫坐標(biāo)為x1=3.8 km、x2=5 m,對應(yīng)高度h1=199.15 m、h2=262.04 m,與飛行員報(bào)告一致。點(diǎn)線和點(diǎn)劃線均只檢測出一處風(fēng)切變,橫坐標(biāo)相同為x=3.1 km,對應(yīng)的高度為162.46 m。此次實(shí)驗(yàn)不同長度的原始斜坡均能檢測到風(fēng)切變,但400m原始斜坡檢測結(jié)果覆蓋更廣,也與飛行員報(bào)告的高度更貼近。

圖6 斜坡改進(jìn)算法檢測結(jié)果

再將斜坡改進(jìn)算法與F因子、單斜坡算法進(jìn)行對比,結(jié)果如圖7所示。圖中橫坐標(biāo)表示下滑道上距離降落點(diǎn)的距離,單位是km;左邊縱坐標(biāo)表示檢測結(jié)果,右邊縱坐標(biāo)表示下滑道上風(fēng)速,后文圖10、圖13坐標(biāo)意義相同。圖7(a)是F因子算法結(jié)果,圖7(b)是原始斜坡取400 m的改進(jìn)算法結(jié)果,圖7(c)是原始斜坡取400 m的單斜坡算法,圖中灰色陰影部分是風(fēng)切變發(fā)生的范圍,點(diǎn)線是信號處理后的下滑道重組逆風(fēng)廓線。根據(jù)圖7展示的結(jié)果,F因子波動較大,出現(xiàn)14處風(fēng)切變預(yù)警,風(fēng)切變的范圍在3.9～6.6 km,對應(yīng)高度為204.39～345.89 m。斜坡改進(jìn)算法有4處風(fēng)切變,對應(yīng)高度為193.91～283.00 m。單斜坡算法沒有檢測到風(fēng)切變。由于飛行員報(bào)告的高度是100～300 m,因此本文提出斜坡改進(jìn)算法較F因子算法給出的范圍更精確。

圖7 各種算法檢測結(jié)果對比

3.2 案例二:陣風(fēng)鋒、對流、雷雨大風(fēng)情況

2020年8月2日,北京時(shí)間9:07和9:23北京飛香港的KA901航班、悉尼飛香港的CX162航班在07L/25R跑道降落時(shí)報(bào)告有風(fēng)切變,報(bào)警高度為500 m和200 m,符合低空風(fēng)切變的高度。塔臺給出的風(fēng)切變成因是:陣風(fēng)鋒、對流和雷雨大風(fēng)。利用質(zhì)量控制及信號處理方法得到重組逆風(fēng)廓線,如圖8所示,其中8(a)是激光雷達(dá)掃描多普勒速度分布圖,圖8(b)是提取的重組逆風(fēng)廓線及對應(yīng)的下滑道高度信息。

圖8 2020年8月2日9:22:57時(shí)風(fēng)場信息

首先開展不同原始長度的斜坡改進(jìn)算法對比,對比結(jié)果如圖9所示。原始斜坡取400 m、800 m、1600 m、3200 m檢測到風(fēng)切變次數(shù)依次是:6、2、1、0,由重組逆風(fēng)廓線可知,在距離降落點(diǎn)2～4 km范圍,風(fēng)速變化雖然沒有很大,但風(fēng)向發(fā)生了改變;在距離降落點(diǎn)4～7 km范圍,風(fēng)速增加到最大,風(fēng)向也由正向變?yōu)樨?fù)向再變?yōu)檎?在7～8 km,風(fēng)速從最大逐漸減小到0,再反向增加。按照判斷標(biāo)準(zhǔn),這三個階段均是有風(fēng)切變發(fā)生的,而原始斜坡取800 m、1600 m、3200 m的改進(jìn)算法分別有不同層度的漏報(bào),400 m的效果最好。

圖9 斜坡改進(jìn)算法檢測結(jié)果

再進(jìn)行不同算法直接的對比,圖10給出了對比的結(jié)果,圖10(a)是F因子算法結(jié)果,圖10(b)是原始斜坡取40 0 m的改進(jìn)算法結(jié)果,圖10(c)是原始斜坡取400 m的單斜坡算法,圖中灰色陰影部分是風(fēng)切變發(fā)生的范圍,綠線是信號處理后的下滑道重組逆風(fēng)廓線。F因子從距離降落點(diǎn)0.3 km至距離降落點(diǎn)8.5 km均報(bào)告有風(fēng)切變發(fā)生,對應(yīng)的高度為15.72～445.47 m,檢測結(jié)果起伏劇烈,波動較大,涉及范圍較廣,夸大了風(fēng)切變的程度。斜坡改進(jìn)算法給出了三個位置有風(fēng)切的預(yù)警報(bào)告,對應(yīng)的高度范圍是:125.78～167.70 m、277.76 m、377.34～408.78 m。

圖10 各種算法檢測結(jié)果對比

相對于F因子的檢測結(jié)果,斜坡改進(jìn)算法給出風(fēng)切變發(fā)生的范圍更精確,呈現(xiàn)的結(jié)果也更清晰。單斜坡算法這次檢測出一處發(fā)生了風(fēng)切變,對應(yīng)的橫坐標(biāo)為x=7.8 km,與斜坡改進(jìn)算法中的最后一處一致。通過前面不同長度的改進(jìn)算法對比分析,單斜坡算法產(chǎn)生了兩處漏報(bào)。

3.3 案例三:無風(fēng)切變情況

為了進(jìn)一步對比F因子算法和改進(jìn)斜坡算法的區(qū)別,我們找到一組幾天內(nèi)沒有明顯發(fā)生風(fēng)切變、也沒有飛行員報(bào)告的數(shù)據(jù)進(jìn)行驗(yàn)證。

圖11是北京時(shí)間2020年4月1日08:08:22時(shí),07L/25R跑道的激光雷達(dá)掃描多普勒速度分布圖,圖中最大負(fù)向風(fēng)速約5 m/s,最大正向風(fēng)速約6 m/s,提取下滑道重組逆風(fēng)廓線后如圖11(b)所示。圖11(a)中風(fēng)速看似起伏變換,但整個逆風(fēng)廓線最大最小風(fēng)速差為7.32 m/s,小于7.7 m/s的標(biāo)準(zhǔn),確定明顯風(fēng)切變發(fā)生。圖12是取不同長度的斜坡改進(jìn)算法對比結(jié)果圖,圖13是不同算法之間的對比結(jié)果圖,其中圖13(a)是F因子算法結(jié)果,圖13(b)是原始斜坡取400 m的改進(jìn)算法結(jié)果,圖13(c)是原始斜坡取400 m的單斜坡算法,圖中灰色陰影部分是風(fēng)切變發(fā)生的范圍,虛線是信號處理后的下滑道重組逆風(fēng)廓線。

圖11 2020年4月1日8:8:22時(shí)風(fēng)場信息

圖12 斜坡改進(jìn)算法檢測結(jié)果

如圖13所示,在確定沒有風(fēng)切變發(fā)生的背景下,F因子檢測出4個范圍(6處)有風(fēng)切變發(fā)生,虛警率過高,而不同長度的斜坡改進(jìn)算法均沒有產(chǎn)生報(bào)警,且檢測結(jié)果遠(yuǎn)小于報(bào)警閾值。案例三反應(yīng)了F因子的不足。

將單斜坡算法的結(jié)果與斜坡改進(jìn)算法的結(jié)果放在同一張圖上進(jìn)行比較,如圖14所示,其中圖14(a)～(c)依次為案例一、案例二、案例三,圖中左邊縱坐標(biāo)為斜坡改進(jìn)算法,右邊縱坐標(biāo)表示單斜坡算法,圖中所取的原始斜坡長度均為400 m。單斜坡算法和改進(jìn)斜坡算法大部分走勢和形狀一致,但是兩種算法也有細(xì)微區(qū)別,圖中點(diǎn)線的圓圈部分展示了它們的差異。這是因?yàn)?在大部分時(shí)刻,改進(jìn)斜坡算法中每個斜坡的最大最小風(fēng)速與斜坡算法中首尾風(fēng)速是一致的,但是在一些情況下,最大或最小風(fēng)速就不出現(xiàn)在斜坡的首端或尾端,從而斜坡上風(fēng)速差有細(xì)微區(qū)別,檢測結(jié)果在局部發(fā)生改變,使得斜坡的能量變化超過閾值發(fā)出預(yù)警信息,這也使得改進(jìn)斜坡算法更優(yōu)于斜坡算法且彌補(bǔ)了斜坡算法產(chǎn)生漏報(bào)的不足。根據(jù)大量數(shù)據(jù)驗(yàn)算的結(jié)果,圖14展示的有差異的情況很常見。

圖14 斜坡改進(jìn)算法與單斜坡算法區(qū)別

3.4 數(shù)據(jù)統(tǒng)計(jì)分析

根據(jù)香港國際機(jī)場飛行員返回的報(bào)告,2020年全年機(jī)場有風(fēng)切變報(bào)告的天數(shù)為74天。論文將所有發(fā)生風(fēng)切變對應(yīng)時(shí)刻的激光雷達(dá)掃描數(shù)據(jù)提取出來,進(jìn)行風(fēng)切變檢測,并對結(jié)果進(jìn)行了統(tǒng)計(jì),表1上半部分是有風(fēng)切變發(fā)生時(shí)算法檢測結(jié)果的統(tǒng)計(jì)。由表1可知:F因子算法全部檢測出來,檢測率分別為100 %;單斜坡算法僅檢測到17次風(fēng)切變,檢測率22.97 %,漏警率77.03 %;而對于斜坡改進(jìn)算法,原始斜坡取400 m、800 m、1600 m和3200 m時(shí),依次檢測到73、45、13次風(fēng)切變,檢測率依次為98.65 %、60.81 %、17.57 %,漏警率依次為1.35 %、39.19 %、82.43 %。斜坡改進(jìn)算法在取原始斜坡取400 m時(shí)檢測結(jié)果很好。

表1 各種算法檢測結(jié)果統(tǒng)計(jì)

再對沒有風(fēng)切變報(bào)告的292天進(jìn)行算法檢測。由于香港機(jī)場的激光測風(fēng)雷達(dá)每3 min完成一次掃描,一小時(shí)能得到約20次下滑道數(shù)據(jù),每日隨機(jī)抽取連續(xù)2小時(shí)內(nèi)共計(jì)40次下滑道數(shù)據(jù),因此共得到11680次無風(fēng)切變報(bào)告的下滑道數(shù)據(jù)進(jìn)行統(tǒng)計(jì),檢測結(jié)果如表1下半部分所示。由表1可知,單斜坡算法和斜坡改進(jìn)算法均沒有檢測到風(fēng)切變,而F因子檢測出5022次風(fēng)切變,此時(shí)虛警率高達(dá)43 %!

結(jié)合有風(fēng)切變和無風(fēng)切變的情況統(tǒng)計(jì),F因子虛警率高,單斜坡算法漏警率高,而斜坡改進(jìn)算法原始斜坡取400 m時(shí),檢測率接近100 %,虛警率為0,有效彌補(bǔ)了傳統(tǒng)風(fēng)切變檢測算法的不足。

斜坡改進(jìn)算法將F因子和單斜坡算法結(jié)合起來,通過計(jì)算每個斜坡上飛機(jī)遭遇的能量變化來檢測風(fēng)切變。不同原始長度的斜坡對比結(jié)果表明:斜坡長度取400 m結(jié)果最好。這是因此,當(dāng)斜坡長度較長時(shí),若風(fēng)速變化不太劇烈,則每個斜坡的能量變化較小;而原始斜坡長度取400 m時(shí),一個斜坡上最多僅有6個相鄰數(shù)據(jù),保證了計(jì)算的數(shù)量和質(zhì)量。斜坡改進(jìn)算法與經(jīng)典算法的對比結(jié)果表明:由于F因子是依次比較相鄰兩個數(shù)據(jù)點(diǎn),使得結(jié)果波動劇烈,虛警過高;單斜坡算法是比較斜坡上首尾兩端的速度差,當(dāng)大于7.7 m/s時(shí)才會發(fā)出報(bào)警,加大了漏警的概率。而斜坡算法恰好彌補(bǔ)了這兩種經(jīng)典算法的不足,且給出的風(fēng)切變發(fā)生范圍更細(xì)致;利用斜坡上最大最小值作為風(fēng)速差代替首尾兩端的風(fēng)速差,使得風(fēng)切變的計(jì)算結(jié)果也更精確。因此在后面的飛行保障中,可以采用原始斜坡取400 m的斜坡改進(jìn)算法對風(fēng)切變進(jìn)行預(yù)警。

4 結(jié) 論

本文利用激光測風(fēng)雷達(dá)在香港國際機(jī)場開展了風(fēng)切變觀測試驗(yàn),提出了基于斜坡改進(jìn)的激光雷達(dá)風(fēng)切變預(yù)警算法,將F因子與單斜坡算法結(jié)合,計(jì)算每個斜坡上的能量變化,彌補(bǔ)F因子虛警較高和單斜坡算法漏警較高的不足;用最大最小值代替斜坡首尾的風(fēng)速差,提高了檢測率和精度。通過對海風(fēng)鋒和陣風(fēng)鋒、對流、雷雨大風(fēng)等情況下的風(fēng)切變進(jìn)行識別,并結(jié)合飛行員的報(bào)告對結(jié)果進(jìn)行了分析,證實(shí)了斜坡改進(jìn)算法的準(zhǔn)確性和魯棒性,有利于風(fēng)切變檢測,能為飛機(jī)起降提供技術(shù)保障。

基于激光雷達(dá)的斜坡改進(jìn)算法,能有效彌補(bǔ)F因子虛警過高、單斜坡算法容易產(chǎn)生漏報(bào)等不足,正確預(yù)警飛機(jī)下滑道上是否有風(fēng)切變發(fā)生及風(fēng)切變發(fā)生的位置與范圍,為飛行安全提供有效保障。但是該算法對于風(fēng)速增加緩慢的數(shù)據(jù)檢測不是很理想,后面將圍繞此類數(shù)據(jù)對算法進(jìn)行優(yōu)化。